Process / pipelineTime-series alignment and averaging
DTWバリセンター平均
DTWバリセンター平均（DBA）は、時間伸縮と弾性距離を考慮した時系列セットの平均または代表シーケンスを計算するための手法です。点ごとのアライメントを必要とするユークリッド平均とは異なり、DBAは動的時間伸縮（DTW）距離の合計を最小化し、柔軟な時間アライメントを持つシーケンスに対して意味のある平均を生成します。2011年にPetitjeanらが発表して以来、時系列クラスタリングや要約に広く用いられています。
MethodMindで開く近日公開Apply, compare, get guidance
Tools & resources
Learn & explore
動画近日公開
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
手法マップ
関連する手法の近傍 — ノードを選択して探索できます。
出典
- Salvador, S., & Chan, P. (2004). FastDTW: Toward accurate dynamic time warping in linear time and space. Intelligent Data Analysis, 11(5), 561–580. link ↗
- Petitjean, F., Ketterlin, A., & Gançarski, P. (2011). A global averaging method for dynamic time warping, with applications to clustering. Pattern Recognition, 44(3), 678–693. DOI: 10.1016/j.patcog.2010.09.013 ↗
- Cuturi, M., & Blondel, M. (2016). Soft-DTW: A differentiable loss function for time-series. arXiv preprint arXiv:1703.01541. link ↗
このページの引用方法
ScholarGate. (2026, June 3). Dynamic Time Warping Barycenter Averaging. ScholarGate. https://scholargate.app/ja/time-series/dtw-barycenter-averaging
どの手法を選ぶ？
この手法を最も近い類縁の手法と並べ、両者を見比べてください — ライブラリは本を机の上に並べるだけ。選ぶのはあなたです。
- 離散ウェーブレット変換時系列解析↔ 比較
- 動的時間伸縮法意思決定↔ 比較
- 階層的クラスタリング機械学習↔ 比較
- K-means クラスタリング機械学習↔ 比較